¿Un valor extremo es un error o un dato real?

Llevas una lista de sospechosos: tres viajes de más de 1,300 minutos, seis de menos de un minuto, un paseo de 96 minutos y tres registros con año de nacimiento 1900. Un valor extremo es un valor lejos de los demás. Eso no lo hace un error. Hay extremos reales (una compra de mayoreo, un paseo largo) y errores que ni siquiera se ven extremos.

La forma de saberlo casi nunca está en la columna donde viste el extremo. Está en las otras columnas de la misma fila: a qué hora empezó, qué distancia hay entre sus estaciones, de qué estación salió, qué tipo de usuario era. Una fila es un caso completo; lees el caso entero.

Empieza por el sospechoso más fácil. Apuesta antes de seguir leyendo.

Con cada sospechoso preguntas: ¿qué dicen sus otras columnas y qué no permiten saber? Las respuestas forman tres familias: error probable, dato plausible o pendiente. En los viajes de casi un día, las estaciones están a menos de un kilómetro en línea recta; no sabemos cuánto se recorrió. La duración y las horas de cierre hacen razonable investigar un problema de registro, pero no vuelven el viaje físicamente imposible. Un paseo largo puede volver cerca del inicio. Clasifica provisionalmente y anota la confirmación que falta.

Inténtalo: los viajes de menos de un minuto

Ahora el otro extremo. Corre el código y lee las otras columnas de los viajes de menos de un minuto. Antes de decidir, pregúntate qué tendría que pasar para que un viaje dure 20 segundos.

Los seis registros de menos de un minuto empiezan y terminan en la misma estación. Son compatibles con intentos de salida fallidos, pero hay que confirmar si cuentan como viajes según la definición operativa. Con < 5 aparecen dos más, de 4.4 y 4.9 minutos, entre estaciones separadas por medio kilómetro: viajes cortos plausibles. El corte cambia qué estás contando.

Así queda tu lista provisional:

Nada de esto cambia la tabla todavía. Quitar, corregir o marcar filas es limpiar, y eso lo trabaja el curso Limpia tus datos. Si dudas sobre un caso, cuéntaselo a tu Maestro con las otras columnas de la fila. Y si quieres practicar el criterio, pídele un caso nuevo.